För att utföra det sista analyserande steget i Figur 5 utformades tre strategier. De tre angreppssätten kopplar även an till de tre frågeställningarna, där processkartläggningen avsåg att svara på hur ledtiden skiljer sig mellan de olika sortimenten, se Figur 6. Stopptidsanalysen syftade till att identifiera de faktorer som orsakade stopp. FMedan EPQ beräknade den teoretiskt optimala produktionsvolymen. Hur metoderna utfördes förklaras noggrannare längre ned i kapitlet, här följer endast en introduktion och bakgrund till varför dessa metoder valdes.
Figur 6. Målet för arbetet i mitten som angrips genom att identifiera stopptiderna, ledtiderna och den optimala partistorleken.
Processkartläggningen och ledtidskartläggningen syftade till att göra en nulägesanalys och se hur lång tid varje process tar idag och för att i viss mån kunna jämföra med andra liknande arbeten. Ledtiden har valts som parameter för de många positiva följdeffekterna, till exempel att lagervolymer minskar, kapital och kapacitet frigörs och snabbare reaktion på kvalitetsförändringar. Dessa följdeffekter tillsammans med en större vetskap om dagens ledtider skulle även kunna ge en säkrare produktionsprocess, vilken idag är en osäkerhetsfaktor och bidrar till större säkerhetslager.
Vid processkartläggningen identifierades stopptider för sågen och justerverket, varvid en djupare analys av dessa tider utfördes för att ta reda på anledningen bakom stoppen. Den analysen resulterade i ett Ishikawa- och ett Paretodiagram för respektive process, vilka beskrivs mer i 4.4.2.
En optimerad partistorlek ger enligt teorin lägre kostnader och ett effektivare genomflöde i produktionen. Produktionen valdes att optimeras utifrån optimal partistorlek, istället för att minimera cykeltiden. Eftersom produkterna inte producerades med ett konstant intervall, utan produktionsplaneringen berodde till viss del på råvarutillgången. Studien genomfördes på 2018 års produktionsdata, vilket medförde att den beräknade optimala partistorleken för sortimenten, kunde utvärderas mot vad den faktiska partistorleken var.
Reducera ledtider
Process-kartläggning
• Ledtids-kartläggning
Optimerad partistorlek
• EPQ
Stopptids-analys
• Ishikawa
• Pareto
21 4.4.1 Processkartläggning
Tidigt i studien utfördes en processkartläggning med avsikt att skapa en överblick av råvarans väg genom systemet. Produktionens delprocesser kartlades och visualiserades i ett flödesschema. Utifrån produktionsdata bestämdes genomsnittliga ledtider för de studerade sortimenten i varje process och presenterades i ett ledtidsdiagram. I produktionsdata framgick inte skillnaden mellan tiden i mellanlager innan tork, i tork och i mellanlager efter tork. Men sluttiden i sågen och starttiden i justerverket var känd, dessutom har varje torkprogram en fast tid. Därmed blev tiden för transport, mellanlager innan tork och mellanlager efter tork aggregerad i en tid. Planeringen på sågen eftersträvar ett så litet lager som möjligt innan tork, för att minska risken för inkurans. Därmed antas att 10 % av tiden tillbringas innan tork, vilket för de studerade sortimenten blir knappt ett dygn. Det anses rimligt då paket ofta torkas direkt efter sågning under sommar och höst. Medan paket kan stå i lager innan tork i två till tre dagar under vinter och vår. Tiden i råvarulager framgick inte heller av produktionsdatan, utan uppskattades genom att först beräkna hur många stockar som i genomsnitt använts till de studerade sågningarna och sedan beräkna hur många stockar av den klassen som anländer varje dag. Därmed kunde en tid uppskattas för när den timmerklassen ansågs vara redo för sågning.
Utformningen av kartläggningen utgick till viss del från Haartveit m. fl. (2004) studie som utvärderar olika kartläggningsmetoder, för att bäst beskriva tre värdekedjor inom skogssektorn.
Processerna fördelades även mellan värdeskapande och stödjande, samt var i kedjan processerna gick från att vara tryckande till dragande. Bedömningen om processen var tryckande eller dragande grundade sig i om processen startade genom att en kund efterfrågade en produkt eller om processen startade eftersom råvara fanns tillgänglig.
4.4.2 Stopptidsanalys
Analysen utgick från de stopptider som erhölls vid processkartläggningen, därefter identifierades stopporsakerna för varje order och sammanställdes för varje sortiment och stopporsak. Dessa stopp var oplanerade stopp som skedde under pågående produktion, utöver dessa stopp finns planerade stopp, till exempel underhållsstopp och nattstopp. För att vidare förstå vad som orsakade varje stopp, speciellt när stoppen kodades som ”Stopporsak ej angiven”
eller ”Okodat stopp” genomfördes intervjuer med personal på justerverket och sågen. Antalet order som sågats och justerats av varje dimension under 2018 skilde sig åt mellan sortimenten, se Tabell 2.
Tabell 2. Antalet order per dimension under 2018 i sågen respektive justerverket Dimension
I vissa fall justerades två sågningar under samma ordernummer, medan vissa justeringar inte hade något ordernummer från sågen angivet.
Av stopptiderna kunde ett Paretodiagram skissas upp för sågen och ett för justerverket. Paretos diagram bygger på 80-20-regeln, som innebär att 80 procent av felen i en verksamhet beror på 20 procent av de felande faktorerna (Krajewski et al. 2013 s. 152). Alltså kan en stor mängd av problemen i en process försvinna genom att relativt få faktorer åtgärdas. Det åskådliggörs i en graf med tre axlar, där frekvensen av olika fel noteras. Det valdes att göras två separata diagram
22
för sågen och justerverket, eftersom stopporsakerna delvis skiljer sig åt och det är olika människor som jobbar på respektive del av produktionen.
Genom data från intervjuerna kunde även ett Ishikawadiagram eller ett orsak-och-effekt-diagram utformas för sågen respektive justerverket. Ishikawaorsak-och-effekt-diagram används i analysarbetet av en verksamhet för att identifiera orsakerna bakom ett specifikt problem och knyter det till faktorer som påverkar verksamheten (Krajewski et al. 2013 ss. 153–154). Vid framställandet av ett Ishikawadiagram krävs undersökning av de möjliga orsakerna bakom ett problem.
Därefter uppdateras diagrammet varefter nya orsaker upptäcks eller orsaker åtgärdas.
Ishikawadiagram bygger inte på statistik utan syftar till att visualisera ett systems faktorer och hur de påverkar problemet (Goetsch & Davis 2016 ss. 235–237).
4.4.3 Optimal partistorlek
Genom EPQ, Economic Production Quantity, beräknades den optimala produktionsvolymen för varje parti i sågen. För att sedan jämföras med vad som faktiskt producerades under 2018 till Långshyttan. Beräkningen valdes att genomföras med EPQ istället för EOQ, som förekommit i andra arbeten, för att EPQ ansågs bättre tillämpbar på producerande industrier.
Medan EOQ är mer applicerbar på till exempel detaljhandel. Krajewski (2013 s. 366) presenterar Economic Production Lot Size, med den årliga totala kostnaden (C), viss variation finns jämfört med formeln som Olhager (2013 s. 291) och Heizer m.fl. (2017 ss. 540–542)
C = den totala årliga kostnaden (kr) Q = partistorlek (enheter/körning)
D = årlig efterfrågan (enheter/år) (2)
S = ställkostnad (kr/körning)
H = årliga lagerhållningskostnaden (kr/enhet o år) P = produktionstakt (enheter/år)
Eftersom dessa beräkningar utförs på historiska data är flera variabler kända och frågan är om produktionen utfördes optimalt. Både efterfrågan och den verkliga partistorleken för de studerade sortimenten är kända, medan produktionstakten är den totala volym som sågades under 2018. Ställkostnaden beror på tiden för ett dimensionsbyte och produktionskostnaden.
Medan lagerhållningskostnaden består av kostnaden för kapital, den extra hanterings- och platskostnad som uppstår vid större lager, men dessa anses inte uppstå i det här fallet och är svåra att uppskatta. Dessa faktorer adderas samman med en beräknad ökad inkurans vid större lager, för att sedan multipliceras med produktens värde. Det tillsammans resulterar i lagerhållningskostnaden. Alltså består lagerhållningskostnaden i det här fallet av kostnaden för kapital, kostnaden för skador på produkten och värdet på produkten. Kapitalkostnaden beräknas genom WACC-formeln, Weighted Average Cost of Capital, som baseras på företagets tillgångar, lånade kapital, låneränta, avkastningskrav på eget kapital och skattesats, se formel 3 (Yard 2001).
23
Kapitalkostnaden ökar alltså vid högre låneränta, samt vid ökade avkastningskrav. Låneräntan antogs vara 2 %, skattesatsen 22 % och avkastningskravet på det egna kapitalet var 13 % (Setra Group 2018).
För att sedan erhålla formeln för den optimala produktionsvolymen deriveras den totala årliga kostnaden i formel 2. Då funktionen sätts till noll återfinns minimikostnaden (Krajewski et al.
2013; Heizer et al. 2017 ss. 540–542). Genom att sedan lösa ut Q erhålls den optimala partistorleken (formel 4) som beror på ställkostnaden, efterfrågan, lagerhållningskostnaden och produktionstakten.
D = årlig efterfrågan (enheter/år) (4)
S = ställkostnad (kr/körning)
H = årliga lagerhållningskostnaden (kr/enhet o år) P = produktionstakt (enheter/år)
Som formeln visar blir 𝑄∗ större vid ökad ställkostnad och produktionstakt, medan 𝑄∗ blir mindre vid ökad lagerhållningskostnad. Beräkningarna utfördes med Excel för att även kunna skapa en känslighetsanalys genom att kunna förändra vissa variabler, och därmed se hur den optimala produktionskvantiteten och den totala årliga kostnaden ändrades vid förändrad efterfrågan, ställkostnad eller lagerhållningskostnad.